（一）岗位概述

1. 负责知识库与知识图谱的全流程开发，涵盖构建、维护及优化工作，确保知识体系的高效存储与灵活调用。

2. 主导智能体应用的端到端开发，从概念设计到上线部署，打造具备高度交互性与智能决策能力的应用产品。

3. 开展大模型的精细化微调与性能优化，结合业务场景需求，提升模型的准确性、效率与适应性。

（二）具体要求

1. 架构设计与核心模块开发：创新性地设计并搭建 AI 智能体架构，深度推进多模态交互（如语音、图像、文本融合交互）、决策推理（基于复杂逻辑与概率模型）等核心模块的开发，赋予智能体更自然、更智能的交互体验。

2. AI RAG + GRAPH 产品设计：全面主导 AI RAG（检索增强生成）+ GRAPH（图技术）产品的顶层设计，包括但不限于功能架构的合理规划、用户界面的简洁美观设计、交互流程的流畅优化，以保障产品拥有卓越的用户体验与极高的易用性。

3. RAG 与向量数据库管理：运用 RAG 技术精准解决复杂业务场景问题，显著提升业务效率。负责向量数据库的搭建、日常管理与持续优化，实现高效的相似性搜索与数据检索功能，有力支撑业务决策与个性化推荐等关键业务。

4. 图技术融合应用：深入理解图技术（GRAPH），包括图数据库（如 Neo4j 等）的架构原理、图算法（最短路径、社区发现等）的应用场景、知识图谱的构建与应用，能够将图技术与 RAG 技术有机结合，创新产品设计，挖掘数据间潜在关系，提升产品的智能分析能力。

5. 提示词工程优化：专业地设计与优化和 LLM（大语言模型）交互的提示词，通过精准的语义引导，确保模型能够准确理解并高效执行业务需求，显著提升模型的应用效果与用户满意度。

6. AI 解决方案落地：精心设计并研发智能体场景，充分将 LLM 的多种能力（如文本生成、知识问答、推理分析等）融入各类智能体场景，构建并实现高度自动化、智能化的业务解决方案。

7. AI 算法工程化：深度参与 AI 算法的开发工作，主导 Python 技术栈的工程化实现，注重代码质量与性能优化，通过算法优化与代码调优，提升 AI 系统的整体运行效率。

8. 技术框架与模型应用：熟悉 OPENAI 接口的调用与应用，熟练掌握 AI 应用框架 Langchain，深入理解大语言模型 FineTune（微调）的逻辑原理与评估指标体系。具备扎实的机器学习理论基础，能够运用统计分析与数据挖掘方法，对 NLP 标签类型的数据进行深入特征挖掘，为模型优化提供有力数据支撑。

9. 开源大模型应用：基于主流开源大模型（如 DeepSeek、通义千问、豆包等），完整完成智能体的设计、开发、全面测试及高效部署全流程工作，确保智能体在不同场景下的稳定运行与良好表现。

10. LLM 解决方案优化：设计、开发并持续优化基于大语言模型（LLM）技术的解决方案，有效应对公司在大规模文本数据处理过程中面临的各种挑战，如数据清洗、文本分类、信息抽取等，提升数据处理的准确性与效率。

二、技术基础

1. 编程语言与工具链：熟练掌握 Python 编程语言，精通 MySQL 数据库的设计与操作，熟练运用 pandas 进行数据处理与分析。熟悉 LangChain、Agently、LlamaIndex 等大模型工具链，能够灵活运用其搭建高效的 AI 应用开发环境。掌握 PyTorch/TensorFlow 深度学习框架，具备模型开发与训练能力。

2. 模型理解与微调：深入理解 Prompt Engineering（提示词工程），熟练掌握 Transformer/BERT/GPT 等主流架构的原理与应用。熟悉 LoRA/P - Tuning 等微调方法，能够根据业务需求对模型进行针对性微调，提升模型性能。

3. NLP 实战能力：具备丰富的 NLP 实战经验，在文本分类（如情感分析、主题分类）、实体识别（命名实体识别、关系抽取）、文本生成（文章创作、对话生成）、语义相似度计算等领域有成功实践案例，能够独立解决 NLP 相关技术难题。

三、领域能力

1. 知识库领域：精通知识图谱构建技术（如 Neo4j 图数据库的使用、SPARQL 查询语言编写），掌握文档向量化方法（如 FAISS/Chroma 向量数据库的应用），熟悉检索排序算法（BM25、TF - IDF 等），能够构建高效的知识库检索与管理系统。

2. 文案生成领域：了解文本风格迁移技术，能够实现不同风格文本的转换。熟悉内容合规性检测方法，确保生成文案符合法律法规与行业规范。掌握多模态生成技术（如表格 / 图表生成），能够将文本信息转化为多样化的呈现形式。

3. 智能体领域：熟悉基于 FUNCTION CALL（函数调用）、MCP（多智能体协作协议）、多智能体系统架构、思维链（Chain of Thought）等技术原理，能够设计并开发具备复杂交互与协作能力的智能体系统。

四、工程经验

1. 大模型落地项目：拥有至少 2 个大模型落地项目经验，如成功完成私有化部署 LangChain 应用，在项目中负责技术选型、架构设计、开发实施及后期维护，能够清晰阐述项目中的技术难点与解决方案。

2. AI RAG + GRAPH 项目管理：具备成功的 AI RAG + GRAPH 产品或相关项目的管理经验，能够从项目规划、团队协调、技术攻关到项目交付全流程把控，展示项目成果（如产品性能提升指标、用户满意度数据等）及总结经验教训。

3. 业务场景应用：具有将 AI 技术成功应用于实际业务场景，解决业务问题的丰富案例，如构建智能问答系统提升客户服务效率、开发智能推荐系统提高营销精准度、落地知识图谱应用辅助决策分析等，能够详细说明项目实施过程与业务价值实现路径。

4. 智能体 / 对话系统项目：拥有 5 年以上 AI 产品经验，简历中需详细呈现成功落地的智能体 / 对话系统项目案例，包括项目背景、需求分析、技术方案、实施过程及最终效果评估等内容。

五、教育背景

计算机科学、人工智能、软件工程、数学等相关专业本科及以上学历，具备扎实的理论基础与系统的专业知识体系。

六、能力素质

1. 责任心与驱动力：具有强烈的责任心，对工作高度负责，具备强大的自我驱动力，能够在高压环境下保持高效工作状态，独立解决复杂问题。同时，具备良好的团队协作精神，能够积极融入团队，与团队成员共同完成任务，实现团队目标。

2. 创新与学习能力：拥有创新精神，敢于突破传统思维，探索新技术、新方法在产品中的应用。具备快速学习能力，能够持续关注行业动态与新技术发展趋势，及时将新知识、新技术融入产品创新中，提升产品竞争力。

七、加分项

1. 专业认证：拥有相关行业的专业认证，如人工智能相关认证（如华为 HCIA - AI、NVIDIA Deep Learning Institute 认证等），证明自身在 AI 领域的专业水平与知识储备。

2. 沟通与文档能力：具备良好的文档编写能力，能够清晰、准确地撰写技术文档、项目报告等。拥有出色的客户沟通意识，能够与客户有效沟通，理解客户需求并提供优质解决方案。能适应短期出差，满足项目现场支持等工作需求。

3. 技术探索热情：对 AI 技术应用有强烈兴趣，能够积极主动地学习并快速落地新兴工具与框架，为团队带来新的技术思路与解决方案，推动团队技术创新。

4. 模型部署优化：熟悉大模型部署优化技术，如模型量化（GGML 等技术实现模型轻量化）、推理加速（vLLM/TensorRT 提升推理速度）、分布式计算（利用分布式架构提升计算效率），能够在模型部署过程中提升系统性能与资源利用率。

5. 软硬件生态了解：了解进口及国产化软硬件生态，如英伟达（NVIDIA）系列硬件及其配套软件生态、鲲鹏（华为）/ 昇腾（华为）等国产化硬件平台及其适配的软件环境，能够根据项目需求进行合理的软硬件选型与适配。